مدل هوش مصنوعی استنفورد پیش بینی های دقیقی از سرطان و اثربخشی درمان ارائه می دهد
به گزارش مجله ویراپارس، دانشگاه پزشکی استنفورد مدل هوش مصنوعی جدیدی به نام موسک (MUSK: Multimodal Transformer with Unified Mask Modeling) توسعه داده است که می تواند با دقت بالا پیش بینی کند بیماران مبتلا به سرطان چه آینده ای در پیش دارند و درمان های مختلف چقدر بر آنها مؤثر خواهند بود. این مدل اولین در نوع خود است که از داده های تصویری مختلف و اطلاعات مبتنی بر متن به طور هم زمان استفاده می نماید. پژوهش ها نشان داده اند که این مدل در انواع سرطان ها از جمله سرطان ریه، سرطان معده-مری و ملانوما (Melanoma) عملکرد موفقی داشته است.
محدودیت مدل های پیشین هوش مصنوعی
در سال های اخیر، مدل های مختلفی از هوش مصنوعی ساخته شده اند که می توانند علائم کوچک سرطان را که ممکن است به وسیله پزشکان نادیده گرفته گردد، شناسایی نمایند. برای مثال، مدل Sybil از دانشگاه MIT می تواند با دقتی بین 86 تا 94 درصد پیش بینی کند که آیا یک فرد در طی یک سال به سرطان ریه مبتلا می گردد یا نه. با این حال، محدودیت اصلی این مدل ها این است که تنها یک نوع داده (مانند تصاویر MRI، سی تی اسکن یا نمونه های میکروسکوپی) را آنالیز می نمایند. حتی پیشرفته ترین مدل ها نیز انواع داده های تصویری را به صورت جداگانه تحلیل می نمایند.
توانایی های بی نظیر موسک
موسک این مشکل را حل نموده است. این مدل که بر اساس بیش از 50 میلیون تصویر پاتولوژی و یک میلیارد توکن متنی (Text Tokens) آموزش دیده است، می تواند چندین نوع داده مانند تصاویر پزشکی (مانند اشعه ایکس، سی تی اسکن و MRI) و اطلاعات متنی (مانند یادداشت های پزشکی و ارتباطات متخصصان) را هم زمان تحلیل کند. این ویژگی، موسک را شبیه به فرآیند تصمیم گیری پزشکان نموده و به آن امکان می دهد نه تنها علائم بیماری را شناسایی کند، بلکه به پیش بینی آینده بیماری بپردازد.
نتایج شاخص
در آزمایش های صورت گرفته، موسک توانسته است پیش بینی دقیقی از بقای بیمار در 75 درصد موارد ارائه دهد. این رقم 11 درصد بهتر از میانگین دقت پزشکان (64 درصد) است. بعلاوه، این مدل با دقت 77 درصد تشخیص داده است که کدام بیماران مبتلا به سرطان ریه غیر کوچک (Non-Small Cell Lung Cancer) به ایمونوتراپی (Immunotherapy) پاسخ خواهند داد، در حالی که دقت پزشکان در این زمینه 61 درصد بوده است. علاوه بر این، موسک توانسته است با دقت 83 درصد پیش بینی کند که کدام بیماران ملانوما در طی 5 سال پس از درمان اولیه دچار بازگشت بیماری خواهند شد.
کاربرد در تصمیم گیری های درمانی
طبق گفته پژوهشگران، این مدل برای یاری به پزشکان در انتخاب برترین درمان ها طراحی شده است. به گفته روئی جیانگ لی (Ruijiang Li)، نویسنده ارشد این مطالعه، احتیاج بزرگ ما در کلینیک، ابزاری است که پزشکان بتوانند برای تصمیم گیری های درمانی از آن استفاده نمایند. اگر بتوانیم از هوش مصنوعی برای تحلیل صدها یا هزاران داده مختلف، از جمله تصاویر بافتی، سوابق پزشکی، و نتایج آزمایشگاهی استفاده کنیم، می توانیم با دقت بیشتری معین کنیم که چه کسی از چه درمانی سود می برد.
آینده هوش مصنوعی در درمان سرطان
مدل موسک نشان دهنده یک جهش بزرگ در ترکیب داده های چندمنظوره برای بهبود پیش بینی ها و درمان ها است. این رویکرد نه تنها به پزشکان یاری می نماید تصمیم های دقیق تری بگیرند، بلکه می تواند روند درمانی بیماران را بهبود بخشد و از درمان های غیرضروری یا بی اثر جلوگیری کند.
منبع: یک پزشک